[論文レビュー] Solving periodic semilinear stiff PDEs in 1D, 2D and 3D with exponential integrators

Hadrien Montanelli, Niall Bootland|arXiv (Cornell University)|Apr 29, 2016

Numerical methods for differential equations参考文献 60被引用数 15

ひとこと要約

本稿では、1次元、2次元、3次元の周期的半線形剛性PDEを解くために、スペクトル的空間離散化と行列指数関数による時間積分を用いて、30種類の指数型積分法を評価している。主な発見は、ETDRK4が多様なPDEにおいてより複雑なスキームを常に上回るか同等の性能を示し、周期的境界を持つ剛性PDEの高精度シミュレーションにおいて、最もロバストで効率的な選択肢であるということである。

ABSTRACT

Dozens of exponential integration formulas have been proposed for the high-accuracy solution of stiff PDEs such as the Allen-Cahn, Korteweg-de Vries and Ginzburg-Landau equations. We report the results of extensive comparisons in MATLAB and Chebfun of such formulas in 1D, 2D and 3D, focusing on fourth and higher order methods, and periodic semilinear stiff PDEs with constant coefficients. Our conclusion is that it is hard to do much better than one of the simplest of these formulas, the ETDRK4 scheme of Cox and Matthews.

研究の動機と目的

• 1次元、2次元、3次元の周期的で半線形な剛性PDEを解くために、30種類の指数型積分法の性能を評価すること。
• このようなPDEの高精度な解法に最適な数値的手法を特定すること。
• フーリエスペクトル的空間離散化下での4次以上指数型積分法の比較。
• 異なるPDEタイプと次元における安定性、精度、計算コストのトレードオフを評価すること。
• MATLABおよびChebfunを用いたベンチマークを通じて、ユーザーに対する実用的ガイダンスを提供すること。

提案手法

• 周期的領域におけるフーリエスペクトル法による空間離散化により、PDEをスペクトル空間内のODE系に変換する。
• 線形部を行列指数関数を用いて正確に積分し、非線形部を求積法で近似する指数型積分法による時間積分。
• ETDRK4、ETDアダムス・バシング、ローレンス、一般化ローレンス、修正一般化ローレンス、指数予測補正スキームなどを含む手法の実装。
• 高速フーリエ変換（FFT）を用いたアルゴリズムにより、フーリエ係数および微分行列の効率的計算。
• Chebfunにおけるスピン、スピン2、スピン3ソルバーを用いたベンチマークテスト、性能比較分析にはスピンコンプツールを活用。
• 高次精度を実現するための、密行列指数関数およびブーチャー表の事前計算。

実験結果

リサーチクエスチョン

• RQ1 周期的境界を持つ剛性半線形PDE（1次元、2次元、3次元）に対して、精度、安定性、効率のバランスが最も良い指数型積分法は何か？
• RQ2 5次精度のEXPRK5S8のような高次指数型積分法は、KdV方程式やカーン＝ヒルヤール方程式において、ETDRK4と比較して計算コストと安定性の面でどのように異なるか？
• RQ3 ETDアダムス・バシングや標準ローレンス法のような高次精度のスキームが、なぜ多くの場合に不安定になるのか？
• RQ4 修正一般化ローレンス法や指数予測補正法は、多次元問題においてETDRK4を上回る性能を示す程度はどれほどか？
• RQ5 多様なPDEに対して、指数型積分法の性能は、次数や係数構造によって一貫して予測可能か？

主な発見

• ETDRK4は、1次元、2次元、3次元の11種類のテストPDEにおいて、常に全体的な性能が最良であり、より複雑なスキームを上回る効率性と安定性を示した。
• 5次精度のEXPRK5S8積分法は、1次元において多くのPDEでETDRK4を上回る効率性を示すが、KdV方程式やカーン＝ヒルヤール方程式では低精度領域で不安定性を示した。
• 一般化ローレンス法および標準ローレンス法は、高次精度設計にもかかわらず、多くの問題、特にKdV方程式やカーン＝ヒルヤール方程式において不安定であった。
• 修正一般化ローレンス法や指数予測補正法は、2次元および3次元のギンツブルグ＝ランダウ方程式のような特定のPDEにおいて競争力ある性能を示したが、ETDRK4を普遍的に上回ることはなかった。
• ETDRK4に匹敵するのは、主にModGenLawson41およびGenLawson41スキームに限られ、ギンツブルグ＝ランダウ方程式では類似の効率性を示したが、他の問題では依然として劣る性能であった。
• EXPRK5S8のような高次スキームは、より多くの事前計算係数を必要とするため、計算コストと複雑さが高く、わずかな効率向上の恩恵を受けるにとどまり、魅力に欠ける傾向にある。